### 在新版本 Keras 中替换 `from keras.utils import np_utils` 的用法 在较新的 Keras 版本中，`keras.utils.np_utils` 已被废弃，取而代之的是直接使用 `keras.utils` 模块中的功能。例如，`to_categorical` 函数可以直接从 `keras.utils` 导入[^1]。 #### 替换示例 以下是将旧代码迁移到新版本的示例： #### 旧版本代码 ```python from keras.utils import np_utils # 将标签转换为 one-hot 编码 y = np_utils.to_categorical(labels, num_classes=10) ``` #### 新版本代码 ```python from keras.utils import to_categorical # 将标签转换为 one-hot 编码 y = to_categorical(labels, num_classes=10) ``` #### 替换 `keras.preprocessing.text` 的用法 在新版本中，`keras.preprocessing.text` 模块已被废弃，推荐使用 `tf.keras.layers.TextVectorization` 来替代文本预处理功能[^2]。 #### 示例：迁移 `Tokenizer` 功能 以下是如何将旧版本的 `Tokenizer` 替换为 `TextVectorization` 的示例： ##### 旧版本代码 ```python from keras.preprocessing.text import Tokenizer tokenizer = Tokenizer(num_words=1000) tokenizer.fit_on_texts(["这是一个测试句子", "这是另一个测试句子"]) sequences = tokenizer.texts_to_sequences(["这是一个新的句子"]) ``` ##### 新版本代码 ```python import tensorflow as tf # 定义 TextVectorization 层 vectorize_layer = tf.keras.layers.TextVectorization( max_tokens=1000, # 等价于 num_words 参数 output_mode="int", # 输出整数序列 output_sequence_length=10 # 指定输出序列长度 ) # 准备数据以适应 TextVectorization 层 data = ["这是一个测试句子", "这是另一个测试句子"] vectorize_layer.adapt(data) # 类似于 fit_on_texts # 使用 TextVectorization 层进行文本向量化 new_data = ["这是一个新的句子"] vectorized_data = vectorize_layer(new_data) print(vectorized_data) ``` #### 替换 `load_img` 的用法 如果遇到 `from keras.preprocessing.image import load_img` 报错，可以改为使用 TensorFlow 提供的图像加载工具[^3]。 ##### 旧版本代码 ```python from keras.preprocessing.image import load_img img = load_img('path/to/your/image.jpg') ``` ##### 新版本代码 ```python from tensorflow.keras.utils import load_img img = load_img('path/to/your/image.jpg') ``` #### 注意事项 - 确保安装了最新版本的 TensorFlow (`pip install --upgrade tensorflow`)。 - 如果需要处理复杂的图像或文本数据，建议结合 `tf.data` API 和相应的预处理层来优化性能。